Login
- Originaltitel:
- Efficient and Anticipatory Behavior Planning under Uncertainty for Autonomous Driving in Urban Environments
- Übersetzter Titel:
- Effiziente und vorausschauende Verhaltensplanung unter Unsicherheit für autonomes Fahren in urbanen Umgebungen
- Autor:
- Zhang, Chi
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Institution:
- Informatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)
- Betreuer:
- Knoll, Alois Christian (Prof. Dr. habil.)
- Gutachter:
- Knoll, Alois Christian (Prof. Dr. habil.); Chen, Guang (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- Stichworte:
- Autonomous driving; Behavior planning; Occlusion scenarios; Safety; Rule-compliance
- Übersetzte Stichworte:
- Autonomes Fahren; Verhaltensplanung; Verdeckungsszenarien; Sicherheit; Regelkonformität
- TU-Systematik:
- DAT 260; DAT 815
- Kurzfassung:
- This thesis proposes a new probabilistic behavior planning algorithm for challenging urban environments. The algorithm can handle various occlusion scenarios by utilizing onboard sensor information as well as information from vehicle-to-everything communication. Moreover, the algorithm, which incorporates multi-step occupancy grid maps, operates effectively in crowded areas and ensures safety and rule compliance through a responsibility-sensitive safety model and a traffic rule monitor.
- Übersetzte Kurzfassung:
- Diese Arbeit stellt einen neuen probabilistischen Verhaltensplanungsalgorithmus für anspruchsvolle urbane Umgebungen vor. Durch die Nutzung von bordeigener Sensorinformationen sowie Informationen von Vehicle-to-Everything-Kommunikation, kann der Algorithmus Szenarien mit Verdeckungen bewältigen. Der Algorithmus, welcher multi-step Belegungskarten berücksichtigt, operiert effektiv in dichten urbanen Umgebungen und gewährleistet Sicherheit sowie Regelkonformität durch ein Responsibility-Sensitive... »
- WWW:
- https://mediatum.ub.tum.de/?id=1729797
- Eingereicht am:
- 21.12.2023
- Mündliche Prüfung:
- 13.11.2024
- Dateigröße:
- 6401195 bytes
- Seiten:
- 145
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241113-1729797-0-4
- Letzte Änderung:
- 31.03.2025
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology
- mediaTUM GesamtbestandHochschulbibliographie2024Schools und FakultätenTUM School of Computation, Information and TechnologyInformatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyComputer Engineering